太空真的能給算力騰出位置嗎？從地表到軌道的算力戰爭（輕科普）

太空算力：一場被物理定律、經濟學和國家戰略共同塑造的遠征 AI正在喫掉全世界的電。大模型訓練一次消耗的電力相當於數千個家庭一整年的用量，而日常推理服務每年累加的總能耗又是訓練的十幾倍。地球上的電網開始繃不住了——這不只是電價上漲的問題，而是很多地區根本沒有富餘的電力容量來支撐大規模AI集羣。在這種背景下，有人提出了一個聽起來很科幻的解決方案：把數據中心搬到太空去。 太陽在那裏近乎無限地供應能量，太空本身又冷得接近絕對零度，看上去一切都剛剛好。但仔細一想，這個設想似乎又離譜得過分——往天上扔幾千噸設備，光是發射費就夠在地面建幾十個數據中心了。 科技界有一條著名的阿瑪拉定律：我們總是傾向於高估一項技術的短期影響，而低估它的長期影響。太空算力這件事，恰恰卡在短期和長期之間的尷尬地帶。而在這場跨時代的算力遠征中，不同國家的路徑選擇、技術儲備和戰略考量，正在塑造完全不同的技術可操作性圖景。 太空爲什麼不冷？ 絕大多數人對太空溫度的第一反應是：那裏接近絕對零度，芯片扔上去不就凍住了嗎？這個直覺恰恰是最大的誤解。 初中的物理課講過熱量的三種傳遞方式。傳導，是兩個物體直接接觸時熱量從熱的流向冷的。對流，是液體或氣體流動帶走熱量。輻射，是物體把熱量以紅外線的形式直接發射出去。 在地面上，數據中心散熱三條路都用得上。芯片的熱量先傳導到散熱片，散熱片再由風扇吹風對流帶走，同時還有一部分熱量以輻射方式散掉。但到了太空，傳導和對流同時失效了——沒有東西和芯片接觸，也沒有空氣或液體可以流動。散熱只剩下輻射這一條路。 更麻煩的是，輻射散熱的效率取決於物體本身的溫度，而且和溫度的四次方成正比。這個關係由一百五十年前的斯特藩-玻爾茲曼定律描述。在芯片工作溫度上限——大約八十五攝氏度——附近，每平方米散熱板只能輻射掉大約八百瓦的熱量。作爲對比，地面液冷系統在同樣的面積內可以帶走三四十千瓦。差了兩個數量級。 這意味着太空數據中心必須放棄所有高功耗芯片。英偉達H100這種單顆七百瓦的怪獸級芯片，在太空根本沒法用。只能選擇功耗控制在兩百瓦以內的低功耗推理專用芯片。散熱物理已經把"什麼能上太空"這件事篩選了一遍。 各主要參與方對這一物理約束的應對策略截然不同。美國商業公司傾向於"硬闖"，直接用H100做短期技術驗證——Starcloud公司在2025年11月已經發射了搭載H100芯片的試驗衛星，並在太空中成功運行了谷歌的Gemma模型。這種策略的代價是散熱系統極其笨重，單星算力密度低，但好處是能快速拿到真實環境數據。 中國則選擇了另一種路線——先在低功耗芯片和專用推理芯片上做工程積累。之江實驗室2025年5月發射的"三體計算星座"首批12顆衛星，搭載的算力設備更側重在軌協同和分佈式計算驗證，而非單顆芯片的峯值性能。兩條路線沒有絕對優劣，但反映了一個根本差異：美國企業賭的是"技術突破能解決散熱問題"，中國企業賭的是"在物理約束下找到最優工程方案"。 訓練是寫教科書，推理是開卷考試 大模型的生命週期分成兩個階段：訓練和推理。 訓練是一次性的巨型工程。就像寫一本教科書，作者需要反覆查閱資料、反覆修改章節，整個創作過程耗時長、功耗高、需要高度集中。GPT-4一次訓練消耗的算力是個天文數字，但跑完就結束了。整個訓練期間芯片二十四小時滿負荷運轉，功耗曲線是一條沒有波動的平直線。 推理是持續的日常服務。教科書出版之後，千萬讀者每天翻閱它來回答問題，每一次查詢消耗的算力微不足道，但架不住每天上億次請求。一年三百六十五天累積下來，推理的總算力消耗是訓練的十五倍左右。 這個差別對太空部署的影響非常直接。訓練芯片必須常年滿負荷運轉，熱量輸出恆定且巨大，太空那點可憐的輻射散熱能力根本招架不住。推理芯片的負載卻是波動的——白天多、晚上少，工作日忙、週末閒。這種波動性可以用儲能電池來削峯填谷，散熱壓力只集中在峯值時段而不是全天候。而太空的太陽能供電本身也是波動的，和推理的節奏天然匹配。 各主要力量在這個問題上的選擇，折射出各自對"太空算力"的底層定義差異。 馬斯克的SpaceX和xAI合併後，提出了最激進的方案：直接把AI訓練搬到太空。按照他的設想，太空可能是運行耗能巨大的AI訓練工作負載成本最低的地方，因爲那裏有無限的太陽能和天然的輻射散熱條件。SpaceX已向FCC申請部署多達一百萬顆衛星的軌道數據中心網絡，這是一個"地數天算"的邏輯——地面的數據送到天上算。 中國的選擇則更加務實。北京大學高文院士明確表示，中國不應效仿馬斯克將龐大AI數據中心發射到軌道，而應優先發展在近地軌道安裝計算系統來處理衛星自身產生的海量數據。這就是"天數天算"的邏輯——天上的數據在天上就地處理，只把有用信息傳回地面，節省超過90%的下行帶寬。 兩種邏輯沒有對錯，但它們的"技術可操作性"完全不同。馬斯克的方案要解決的是"如何把幾千噸設備發射上天並散熱"，而中國的方案要解決的是"如何讓衛星自己變得更聰明"。前者是工程極限的挑戰，後者是芯片、算法和衛星平臺的協同優化。 異步推理：讓延遲變得不重要 對延遲的敏感度，把推理任務分成了兩個世界。 同步推理是用戶在線等待結果的場景，比如跟ChatGPT對話。人類的感知極限大約在兩百毫秒左右，超過這個時間就會覺得卡頓。在這種場景下，地面光纖網絡顯然更有優勢。 異步推理是完全不同的邏輯。用戶提交一批數據，系統排進隊列，幾小時甚至過夜之後再返回結果。夜間整理當天的衛星遙感圖像、離線翻譯大量文檔、週期性分析散佈在各地的傳感器數據——這些任務對延遲幾乎無感。 有趣的是，如果只看純物理傳輸延遲，近地軌道衛星反而優於地面長距離通信。衛星距地面只有五百多公里，光信號跑一個來回也就幾毫秒，而光纖穿越大陸需要幾十毫秒。異步推理真正繞開的不是傳輸延遲，而是地面的排隊和調度延遲——當大量請求湧入時，地面數據中心也會擁塞，而太空節點可以獨立處理特定範圍的請求，避免了主幹網絡的擁堵。 從技術可操作性角度看，美國和中國在這個領域的落地路徑也呈現明顯差異。美國的Starcloud公司已經開始嘗試在軌推理服務，計劃2026年10月發射集成Blackwell芯片的"Starcloud-2"衛星，算力提升十倍以上，並攜手雲服務商打造軌道公共雲。這是典型的商業驅動路徑——先驗證技術，再找市場。 中國則更聚焦在具體應用場景上卡位。國星宇航已經在測試通過自然語言指令遠程調用太空算力、操控地面人形機器人的技術。應用場景包括應急救援、遠洋作業、無人礦山等——這些都是地面雲服務覆蓋不到的空白地帶。三體計算星座的重點也放在對地球觀測數據的實時處理上，設想的應用包括天氣預報、災害管理和國防領域。 太空輻射是藏在暗處的殺手 前面談的散熱和成本，都是可以靠工程手段解決的問題。但太空輻射對芯片的影響，是物理層面的硬約束。 太空裏充滿了高能粒子和宇宙射線，它們打中芯片時會引發兩種問題。一種是單粒子翻轉——粒子擊中存儲單元導致某個比特位從零翻成一或者從一翻成零，推理結果可能因此出現錯誤。另一種叫總電離劑量——長期累積的輻射慢慢損傷芯片內部結構，導致性能退化和最終失效。普通商用芯片在近地軌道環境中，設計壽命通常不超過五年，而地面芯片可以穩定運行十到十五年。 不同國家的技術路線在應對輻射問題上也表現出明顯差異。美國商業公司傾向於用冗餘設計來對沖——星座方案通過大量備用衛星實現容錯，某顆壞了還有其他頂上。Starcloud和SpaceX走的都是這條路。而中國依託的是國家主導的長週期研發體系，在星載抗輻射芯片、星間激光通信等關鍵技術和產品研發上持續投入。之江實驗室等機構推動的是"體系化驗證"，從芯片選型、載荷設計到衛星平臺、火箭發射全鏈條打通。 各國戰略路徑：三種模式，三種可操作性 把以上所有技術因素放到國家戰略框架下看，當前全球太空算力競爭呈現出三條截然不同的路徑。 美國：商業驅動，先發優勢 美國的特點是"商業航天生態+科技巨頭主導"。SpaceX憑藉可重複使用火箭技術確立了成本優勢，星鏈積累了大規模低軌星座的建設和運營經驗，英偉達、谷歌、亞馬遜、藍色起源等企業各自從芯片、模型、雲服務、發射等維度切入。這種模式的優勢是靈活、快速、敢於冒險。FCC主席甚至將馬斯克的百萬衛星計劃拔高到"邁向卡爾達舍夫Ⅱ型文明第一步"的高度。 但這種模式的挑戰同樣明顯：美國部分地區正面臨嚴重的電網瓶頸——微軟CEO納德拉坦言"不是沒有芯片，而是插不上電"。這種"被逼上太空"的緊迫感驅動着美國企業激進推進，但也意味着一旦遇到物理極限的硬牆，調整成本極高。 中國：新型舉國體制，體系化推進 中國的模式是"國家戰略牽引、產業體系協同"。之江實驗室、北京科研機構等國家隊牽頭，地方國資參股或控股的公司作爲投資運營主體，系統性整合從芯片、載荷、衛星平臺、火箭發射到運營應用的全產業鏈。北京市的項目計劃在700-800公里晨昏軌道建設集中式大型計算設施，第一階段目標2027年完成，電力容量最終達到1吉瓦。 中國的核心優勢在於能源底氣。中國發電量約爲美國兩倍，電價更低，特高壓輸電網絡和"東數西算"工程系統性解決了算力與能源的協同佈局。高盛預測到2030年中國將擁有約400吉瓦備用電力容量，約爲屆時全球數據中心預期用電量的三倍。這意味着中國發展太空算力的驅動力不是"地面沒電可用"，而是"讓天上產生數據就地處理更高效"——這是一個增值邏輯，而非逃生邏輯。 技術短板也同樣存在。可重複使用火箭的工程化應用仍待突破——藍箭航天朱雀三號一子級回收尚未完全成功，若要滿足大規模星座部署要求，中國年均需發射約500枚中大型運載火箭。發射成本仍是制約大規模部署的重要瓶頸。 歐洲：綠色主權導向，長週期佈局 歐洲走的是第三條路——以"綠色可持續"和"數字主權"爲雙核心訴求的ASCEND項目。計劃2031年發射單星功率50千瓦的試驗星，2036年部署10兆瓦級最小可行產品，2050年擴展至吉瓦級。這條路線時間跨度最長，但一旦成型，將具備零碳排放和主權可控的雙重戰略價值。 法國的Thales Alenia Space公司主導的可行性研究指出，該方案在技術上依賴發射成本降低與輻射防護等關鍵突破，但其在提供兼具主權保障與低碳屬性的數據託管服務方面有獨特價值。 技術可操作性的共同底線 儘管路徑不同，所有國家都面臨同樣的底層技術制約。散熱物理、輻射防護、發射成本這三個變量共同構成了太空算力的"可操作性三角"——三者必須同時達到工程可行和經濟合理的閾值，大規模部署才能真正落地。目前全球公認的技術路線中，分佈式星座方案被視爲短期內更可行的選擇，因爲它天然具備冗餘能力來對沖輻射損傷和設備失效。 結論：填補空白，而非取代主流 把全部因素串起來，可以得出一個比"太空數據中心"這個宏大敘事更冷靜的判斷。 散熱物理把高功耗的訓練芯片擋在門外，只給低功耗推理芯片留了條縫。推理市場規模確實夠大，成本結構也確實更匹配太空的波動供能和波動散熱。異步推理對延遲不敏感的特性，恰好彌補了衛星通信在交互體驗上的劣勢。經濟上雖然發射成本驚人，但在足夠大的規模下有機會打平。輻射可靠性這個變量，最終把太空推理限定在了"可容忍偶爾出錯"的批處理場景。 各國的技術可操作性決定了誰能先走通這條路。美國憑藉商業航天生態和先發優勢正在快速驗證，但電網危機驅動的激進策略可能遇到物理極限。中國依託舉國體制和能源底氣在體系化推進，但可重複使用火箭等關鍵技術仍需突破。歐洲則選擇了最穩妥但也最緩慢的綠色主權路徑。 更準確的說法是：太空數據中心的第一步，不是"推理"這個寬泛概念，而是"對延遲不敏感、對出錯有一定容忍度、對功耗極其敏感的批處理推理節點"。它不會取代地面AI服務，也不會成爲主流算力來源。它的角色是填補一個非常具體的空白——那些地面光纖和電網同時覆蓋不到的邊緣地帶，同時數據又必須在本地處理的場景。 這個判斷恰好印證了阿瑪拉定律。短期內，把幾千噸設備發射上天、在輻射環境中運行批處理任務，已經有人在嘗試了，但離規模化還很遠。長期看，如果人類真的在太空建立了大規模基礎設施，算力節點的遷移可能就是其中順理成章的一步。只不過這個"長期"的刻度，可能比樂觀者想象的更久一些——不是五年十年，而是二十年到三十年的尺度。 太空算力不會取代地球上的數據中心，但它可能會成爲地面算力版圖上最後一塊拼圖，覆蓋那些今天連電和網都還到不了的地方。這個角色不夠性感，但足夠真實。而在這場漫長的遠征中，不同國家的技術路徑選擇，正在決定着誰能率先把這塊拼圖放到位。

電力已經成爲新時代的經濟命脈！ 2025年，黃仁勳在播客裏說了一句話：芯片不是瓶頸，電纔是。 一個做AI芯片的人，告訴你芯片不是問題。那一刻開始，一件事變得清晰——AI往前走的最大障礙，不是算法，不是數據，而是電。 微軟復活了停運五年的核電站，亞馬遜鎖定了一座核電站80%的產能，Meta要蓋一個曼哈頓那麼大的數據中心。 地面電力撞牆之後，五個陣營的人開始認真討論同一個聽起來像科幻的主意：把數據中心搬到太空。太空有7×24小時的太陽能，沒人跟你搶電，聽起來完美。 但存在一個問題：太空沒有空氣，熱量散不出去。

擁有外行給外行科普的一切缺點，但是當內行不願意、沒時間或者保密需要做不了時，任何科普都是好事。 缺點就是剛剛說的，外行給外行科普的一般問題，不瞭解具體技術，不瞭解前沿研究，初學者被震撼到後習慣性的誇張和沒經歷反覆錘鍊（退稿）的語言風格。 散熱不一定會成爲太空算力的瓶頸，有機會突破。不過，這個機會當然不是三年內，三十年估計也不行，不在本書討論範圍內。 另一類估計有偏的是航天技術，有一些更難的沒有被提到的問題，也存在一些預期更好的結果。 最後好奇一下，作者查資料時沒有見到國內航天從業者痛罵星鏈嗎？批量製造太空垃圾，威脅其他航天器安全，霸佔軌道等等等等。 衛星不止飛在美國上空，星鏈的一百萬計劃不只是美國的事，還有通信頻譜也是全球通用。 太空一定會是二十一世紀的戰場啊。

這本書圍繞AI算力供電難題展開科普，剖析地面電力供給瓶頸，探討太空架設數據中心這一設想，結合科技企業佈局實例，理性分析方案利弊，兼具行業觀察與前沿思考，通俗易懂。

每一項重大成就都會帶來新的問題。人類追逐算力的腳步從地面機房攀至近地軌道，以爲逃離了電力的天花板便能擁抱無限，卻不料真空之中熱量無處可去，舊枷鎖剛解開，新困局已生成。探索的本質從來不是找到終極答案，而是在解決與新生問題之間不斷向前。所謂進步，便是在這永無止境的追問中，一次次把認知的邊界推向更遠的地方。

作者的觀點是客觀的，太空算力，起碼在最近幾年（不少於10年）應該都是噱頭，太空算力目前比較適用的場景就是端側算力，比如衛星遙感圖片處理，探測數據處理等等能夠提高效率的方面，成本和效果都是可觀的，作者忽略的一個問題是國家體制和基礎建設能力的方面，巨頭們爲什麼搞小反應堆，搞太空算力，爲什麼工業強國的東大卻除了端側應用，沒有太明顯的動作（當然，基礎技術的研究肯定一直在推進），國家體制方面，國內要搞什麼只要國家推進，就沒什麼阻力，美國那邊，土地環保，各種阻力都推高了成本，美國那麼多戈壁平原，搞光伏和風能是最好的，國內沙漠光伏就是很好的例子，但是爲啥不搞？再一個美國的電力基礎設施技術已經落後了，且不能大量擴容，而中國一再加強基礎設施建設和技術發展，燃氣輪機，變壓器，充足！所以不是地面撞牆了，是他們撞牆了

作者探討了隨着人工智能的快速發展，數據中心對電力的巨大需求已成爲制約其進一步發展的瓶頸。 通過分析AI工具對電力的消耗、數據中心的能源瓶頸，提出了將數據中心搬遷到太空利用太陽能的解決方案。 尤其是對在太空中數據中心的散熱問題的分析，切中要害。

有意思，熱點問題＋作者對熱點問題的炙熱的提問… 作者不僅僅在書中表達了社會對這些問題的廣泛關切，更是對現階段人類爲了數據中心的推進思考，做出了系統性＋科學性的整理。 至於人類目前的想法是多久能夠實現，交給時間，就是最好的辦法。 僅僅書中提出的問題與思考，就值得閱讀，推薦👊

限制人類發展，一定是能源。 電，熱，網。熱是也是最難的攻克的，但是必須要解決的。除非人類避不開的門檻，除非人類永遠不想離開地球。人能開啓大航海時代，大航空一定也會發生，只是 AI 會促進發生。 沒有 AI 的時候就有對太空的嚮往了。

衝出大氣層，奔向太空的大方向不會有問題，散熱問題的物理牆可能只能等大規模工業上天后，纔能有比較經濟的餘熱利用解決方案了，其他的工程技術問題，不遠的未來應該都會很快迭代出妥善的技術路線和方案